Discussion :

[joker_92]

Bonjour à tous,

j'ai réalisé un code qui me permet de présenter des données sous la forme suivante :

Acquisition date Time of acquisition ch0_1 ch1_1
29/05/2017 23:55:43 26.92 19.40
29/05/2017 23:50:57 26.67 18.70
29/05/2017 23:46:12 26.75 19.20
29/05/2017 23:36:41 27.03 19.10
29/05/2017 23:31:54 26.75 18.60
29/05/2017 23:27:09 26.78 19.10
29/05/2017 23:20:49 26.84 18.90
29/05/2017 23:16:04 26.56 19.20
29/05/2017 23:11:18 26.70 19.10
29/05/2017 23:01:48 26.73 19.10
29/05/2017 22:57:03 26.70 18.90

J ai ensuite réalisé un code qui permet de calculer les moyennes des ces valeurs ( ch0_1, ch1_1) toutes les 15 min et le présenter sous la forme suivante :

Acquisition date Time of acquisition ch0_1 ch1_1
29/05/2017 22:45:00 26.85 19.10
29/05/2017 23:00:00 26.79 18.97
29/05/2017 23:15:00 26.83 19.07
29/05/2017 23:30:00 26.71 19.10
29/05/2017 23:45:00 26.73 19.07
30/05/2017 00:00:00 9999 9999

la moyenne des valeurs comprises entre 22:45:00 et 23:00:00 est 26.79(ch0_1) et 18.97(ch1_1). '9999' signifie qu'aucune valeur est trouvé dans l'intervalle donné

Le problème est que les valeurs comprises entre 23:45:00 et 23:59:00 du 29/05/2017 ne sont pas tenus en compte par le code : on voit apparaître '9999'( elles existent évidemment !! ). Si quelqu un aurait une idée, cela m aiderait énormément !! Merci

Voici le code réalisée :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
#read text file
data = pd.read_table('sensor_bis.txt', sep='\t')
#DataFrame
df = pd.DataFrame(data)
#Extraction of columns
df0=df['Acquisition date']
df1=df['Time of acquisition']
df2=df['ch0_1']
df3=df['ch1_1']
#definition of variables
ch0_1=[]
ch1_1=[]
date=[]
time=[]
#Initialization datetime.date object
ini=0
fin=int(len(df0)-1)#integer of initial data
date_i=df0[fin]
date_i=date_i.replace("/",' ')
date_i=date_i.split()
year_i=int(date_i[2])
month_i=int(date_i[1])
day_i=int(date_i[0])
time_i=df1[fin]
time_i=time_i.replace(":",' ')
time_i=time_i.split()
hour_i=int(time_i[0])
#min_i=int(time_i[1])
#sec_i=int(time_i[2])
#datetime object : "year_ / month_ / day_  00:00:00"
dt_i = datetime.datetime.combine(datetime.date(year=year_i, month=month_i, day=day_i), datetime.time(hour=hour_i, minute=0, second=0))
#list date and time
for i in range(fin):
    dt_i += datetime.timedelta(minutes=x)
    d=dt_i.date().strftime("%d/%m/%Y")
    t=dt_i.time().strftime("%H:%M:%S")
    date.append(d)
    time.append(t)
time.insert(0,"00:00:00")
#list parameters
for j in range(fin):
    var0=0
    var1=0
    filter_ =((df1 >= time[j-1]) & (df1 <= time[j]) & (df0 == date[j-1]) & (df2!=9999))
    var0='%.2f'%float(df2[filter_].mean())
    var0=var0.replace("nan",'9999')
    filter_ =((df1 <= time[j]) & (df1 >= time[j-1]) & (df0 == date[j]) & (df3!=9999))
    var1='%.2f'%float(df3[filter_].mean())
    var1=var1.replace("nan",'9999')
    ch0_1.append(var0)
    ch1_1.append(var1)

[Julien N]

Salut,

Le code m'a l'air d'être excessivement compliqué pour faire si peu. Pourquoi ces extractions de colonnes, et ce "parsing" des dates? Utiliser Pandas est une très bonne idée. Je suis sûr que l'on peut charger les données et combiner plusieurs colonnes pour en faire une date en très peu de lignes.

Pour ce qui est de faire la moyenne sur une plage de temps (15min), je me pencherais du côté de resample de Pandas. Quelque chose dans ce goût là (en supposant que df soit la première dataframe que vous montrer):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

df = df.resample('15T').mean()

Ju